基于稀疏网格随机配置点的电力系统随机调度方法与流程

1.本技术涉及新能源发电技术领域，特别是涉及一种基于稀疏网格随机配置点的电力系统随机调度方法。


背景技术：

2.能源问题关乎国计民生，是每个国家长期重点关注和研究的课题。随着传统化石能源的逐渐枯竭，以及由使用化石能源所引发的一系列环境问题，清洁的可再生能源作为替代品，开始在全世界范围内被广泛关注。目前，较为常见的新能源主要包括太阳能、风能、水能、生物质能、潮汐能等等。
3.以风能为代表的新能源丰富地存储于大自然当中，可供人们大量使用，且不会环境带来负面影响。在当今社会传统能源趋向枯竭、生态环境急剧恶化、电能资源需求愈发扩大等多重压力下，以风电为代表的新能源受到世界各国的青睐，新能源发电技术得到迅猛发展，使得新能源发电的经济日益提升，发电成本与传统煤电机组成本相比更为廉价。相应地，为尽可能利用新能源资源，需在新能源丰富地区搭建对应的发电设备，如在风力资源密集地区搭建风电场，将风能资源转化为电能，再通过电力系统输电网络将电能输送至千家万户，所以在电力系统调度过程中则要求最大限度消纳新能源。但受限于环境等各类不可控因素的影响，以风电为代表的新能源出力具有不确定与间歇性，其可控性与传统煤电机组出力相比较差，给电力系统资源调度带来了严峻的挑战。因此，如何有效地减少新能源接入的不良影响，在确保准确性的前提下，实现含高维随机变量的电力系统随机资源调度问题快读求解，成为了当今电力系统动态资源调度亟需解决的问题。
4.传统技术中，用于求解含新能源接入的电力系统随机资源调度问题的方法，都存在求解效率较低的问题，进而导致含新能源接入的电力系统资源调度效率不高。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够提高含新能源接入的电力系统资源调度的效率的基于稀疏网格随机配置点的电力系统随机调度方法。
6.一种基于稀疏网格随机配置点的电力系统随机调度方法，所述方法包括：
7.根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
8.采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
9.将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
10.根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时
随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
11.在其中一个实施例中，原始电力系统随机调度模型的构建方式，包括：
12.构建电力系统的直流潮流模型；
13.根据电力系统的发电成本最小的目标设定目标函数；
14.根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；
15.根据直流潮流模型、目标函数和约束条件，构建原始电力系统随机调度模型。
16.在其中一个实施例中，采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量，包括：
17.采用嵌套式稀疏网格在随机参数空间选定积分点；
18.在积分点处求解抽象方程中的随机变量，得到逼近系数；
19.根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
20.在其中一个实施例中，采用嵌套式稀疏网格在随机参数空间选定积分点，包括：
21.构建一维积分点集；
22.根据一维积分点集，计算一维积分点集对应的积分权重；
23.根据一维积分点集，构建多维积分点集；
24.根据多维积分点集与一维积分点集对应的积分权重，计算并获取多维积分点集对应的积分权重。
25.在其中一个实施例中，在积分点处求解抽象方程中的随机变量，得到逼近系数，包括：
26.根据多维积分点集和积分权重，计算得到逼近系数。
27.在其中一个实施例中，根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量，包括：
28.将随机变量通过嵌套式正交多项式级数展开式表示；
29.利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
30.在其中一个实施例中，根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度，包括：
31.采用基于蒙特卡洛抽样的场景法获取多个模拟场景；
32.根据多个模拟场景获取场景转移约束；
33.根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；
34.根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。
35.一种基于稀疏网格随机配置点的电力系统随机调度装置，所述装置包括：
36.变量获取模块，用于根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入
的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
37.变量转换模块，用于采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
38.模型转换模块，用于将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
39.资源调度模块，用于根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
40.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
41.根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
42.采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
43.将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
44.根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
45.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
46.根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
47.采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
48.将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
49.根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
50.上述基于稀疏网格随机配置点的电力系统随机调度方法，根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；将近似处理后的随机变量代入原始电力系统随机调度模型，
得到代理电力系统随机调度模型；根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。能够提高含新能源接入的电力系统资源调度的效率。
附图说明
51.图1为一个实施例中基于稀疏网格随机配置点的电力系统随机调度方法的流程示意图；
52.图2为一个实施例中输电线路有功损耗模型的结构示意图；
53.图3为另一个实施例中基于稀疏网格随机配置点的电力系统随机调度方法的流程示意图；
54.图4为一个实施例中基于稀疏网格随机配置点的电力系统随机调度装置的结构框图；
55.图5为一个实施例中计算机设备的内部结构图。
具体实施方式
56.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
57.在一个实施例中，如图1所示，提供了一种基于稀疏网格随机配置点的电力系统随机调度方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
58.步骤102，根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况。
59.具体的，首先针对含新能源接入的电力系统建立原始电力系统随机调度模型，根据电力系统的发电成本最小的目标设定目标函数，根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；然后根据含新能源接入的电力系统中新能源发电机组的出力情况，确定原始电力系统随机调度模型中的随机变量与确定性变量，并根据约束条件和随机变量构建抽象方程。将含新能源接入的电力系统资源调度问题转换为采用不确定性量化方法对新能源出力进行量化分析，使其转化确定性规划问题。
60.步骤104，采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量。
61.具体的，采用嵌套式稀疏网格在随机参数空间选定积分点，确定积分点集和对应的积分权重，然后在积分点处求解抽象方程，根据积分点集和对应的积分权重得到逼近系数，最后根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
62.步骤106，将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型。
63.具体的，将近似处理后的随机变量代入原始电力系统随机调度模型中，将近似处理后的随机变量替换原本的随机变量，得到代理电力系统随机调度模型。对代理电力系统随机调度模型中的近似处理后的随机变量求解，就能够得到原始电力系统随机调度模型中的随机变量的值。
64.步骤108，根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
65.具体的，采用基于蒙特卡洛抽样的场景法获取多个模拟场景，然后根据多个模拟场景增加场景转移约束，根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时各随机变量与确定性变量的值，最后根据各随机变量的值对电力系统中的新能源发电机组进行资源调度，根据各确定性变量的值对电力系统中的传统发电机组进行资源调度。
66.上述基于稀疏网格随机配置点的电力系统随机调度方法中，根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。能够提高含新能源接入的电力系统资源调度的效率。
67.在一个实施例中，原始电力系统随机调度模型的构建方式，包括：构建电力系统的直流潮流模型；根据电力系统的发电成本最小的目标设定目标函数；根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；根据直流潮流模型、目标函数和约束条件，构建原始电力系统随机调度模型。
68.具体的，采用直流潮流模型作为研究基础，目标函数设定为发电企业发电成本最小，发电机组类型考虑了传统火力机组(包括燃气机组和燃煤机组)、风电机组和光伏发电机组，模型约束条件考虑了系统有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，在经济调度中，考虑传输损耗能获得更合理准确的调度计划。直流潮流(dc power flow,dcpf)计算线路功率的准确性问题更加突出。本实施例中使用一种修正的直流潮流模型为基础，考虑传输损耗的直流潮流模型称为修正直流潮流模型(modified dc power flow,mdcpf)。其中支路有功损耗如式(1)所示：
69.p
loss,ij
＝g
ij
(θ
i
‑
θ
j
)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
70.式中，g
ij
为线路(i,j)的线路电导；θ
i
、θ
j
分别为节点i、j的电压相角。输电线路有功损耗模型如图2所示，变压器支路的有功损耗模型与之类似。
71.进一步的，本发明的目标为实现发电机组发电成本最小，也就是使一天内的机组发电总成本费用最小。定义如式(2)所示：
[0072][0073]
其中，a
g
是第g台传统火力发电机组的单位购电成本。假设电网向不同机组的购电费用不同，并且电网向同一台机组的购电费用相同，不随时间改变；a
w
是风电场的单位购电成本；a
p
是光伏系统的单位购电费用；p
g,t
表示第g台传统火力发电机组在第t个时段的有功出力；p
w,t
表示第w个风电场在第t个时段的有功出力；p
p,t
表示为第p个光伏系统在第t个时段的有功出力；t为断面数；g、w和p分别是传统火力发电机组索引集合、系统的并网风电场索引集合和系统并网的光伏系统索引集合。
[0074]
进一步的，从电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束五个方面考虑，建立如下所示的约束条件：
[0075]
1、系统有功功率平衡方程
[0076]
本发明建模过程中考虑系统有功网损，因此，系统的有功功率平衡约束定义如式(3)所示：
[0077][0078]
其中，p
i,t
为负荷节点i在第t个时段下的有功负荷需求；x
ij
是线路(i,j)的电抗；ω
i
为与节点i相连的节点集合。
[0079]
2、传统火力发电机组出力上下限
[0080]
传统火力发电机组的出力上限约束如式(4)所示：
[0081]
p
g min
≤p
g,t
≤p
g max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0082]
式中，p
g max
和p
g min
分别为第g台传统火力发电机组出力的上限与下限。
[0083]
3、传统火力发电机组爬坡/滑坡约束
[0084]
传统火力发电机组的爬坡/滑坡约束如式(5)所示：
[0085]
‑
r
dg
δt≤p
g,t
‑
p
g,(t
‑
1)
≤r
ug
δt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0086]
式中，r
dg
和r
ug
分别为第g台传统火力发电机组的滑坡/爬坡系数；δt为动态调度两相邻时刻的时间间隔，本实施例中取δt为1小时。
[0087]
4、新能源出力上下限
[0088]
当电力系统某一时刻下传统发电机组备用容量不足或是由于靠近新能源发电系统并网处的线路传输容量的限制，弃风或弃光是不可避免的，因此，新能源出力约束表达如式(6)所示：
[0089][0090]
式中，为第w个风电场在第t个时段下的可调度最大有功出力；为第p个光伏发电系统在第t个时段下的可调度最大有功出力；
[0091]
5、线路传输功率上下限约束
[0092]
电网线路中的有功功率传输上下限约束如式(7)所示：
[0093][0094]
式中，为线路(i,j)的极限传输容量上限；p
ij,t
为线路(i,j)在第t个时段下的传输功率；γ为电网系统线路索引集合；线路传输功率的具体表达式如式(8)所示：
[0095][0096]
最后，根据修正直流潮流模型，结合式(2)
‑
(8)描述的目标函数和约束条件，原始电力系统随机调度模型可以表示为：
[0097]
min f(x)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0098]
s.t.g0(x)＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0099]
h(x)≤0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0100]
其中，式(9)中的f(
·
)表示目标函数方程(2)，x表示传统火力发电机组，新能源发电机组(风电场和光伏发电系统)的出力向量，式(10)表示原始电力系统随机调度模型的约束条件中的等式约束，即式(3)；式(11)表示原始电力系统随机调度模型的约束条件中的不等式约束，即式(4)、(5)、(6)、(7)。
[0101]
在一个实施例中，采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量，包括：采用嵌套式稀疏网格在随机参数空间选定积分点；在积分点处求解抽象方程中的随机变量，得到逼近系数；根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
[0102]
具体的，利用具备嵌套性的改进的高斯
‑
埃尔米特数值积分点构造稀疏网格的积分，然后在稀疏网格中，在随机参数空间选定积分点，并确定积分点所对应的积分权重，在积分点处，根据积分点和积分点所对应的积分权重，求解抽象方程中的随机变量得到逼近系数，逼近系数确定后，就能够将随机变量进行近似处理为嵌套式正交多项式的形式，得到近似处理后的随机变量。
[0103]
本实施例中，通过采用嵌套式稀疏网格在随机参数空间选定积分点；在积分点处求解抽象方程中的随机变量，得到逼近系数；根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。能够提高模型求解计算的速度，从而提高含新能源接入的电力系统资源调度的效率。
[0104]
在一个实施例中，采用嵌套式稀疏网格在随机参数空间选定积分点，包括：构建一维积分点集；根据一维积分点集，计算一维积分点集对应的积分权重；根据一维积分点集，构建多维积分点集；根据多维积分点集与一维积分点集对应的积分权重，计算并获取多维积分点集对应的积分权重。
[0105]
具体的，先基于全网格技术构建一维积分点集，然后根据一维积分点集，基于全网格技术构建初始的多维积分点集，进一步的，采用稀疏网格技术改变全网格技术中的积分点选取策略，基于稀疏网格技术构建多维积分点集，并计算积分点集对应的积分权重。
[0106]
在一个实施例中，在积分点处求解抽象方程中的随机变量，得到逼近系数，包括：根据多维积分点集和积分权重，计算得到逼近系数。
[0107]
具体的，根据多维积分点集和积分权重，计算得到逼近系数，逼近系数用于对随机变量做近似处理。
[0108]
在一个实施例中，根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量，包括：将随机变量通过嵌套式正交多项式级数展开式表示；利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
[0109]
具体的，将随机变量用在其随机参数空间中正交的嵌套式正交多项式基函数构成级数展开式进行表示，代入逼近系数，利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
[0110]
在一个实施例中，根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度，包括：采用基于蒙特卡洛抽样的场景法获取多个模拟场景；根据多个模拟场景获取场景转移约束；根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。
[0111]
具体的，采用基于蒙特卡洛抽样的场景法获取50个模拟场景，根据这50个模拟场景获取场景转移约束，例如其中δt'为60分钟，然后根据50个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时各个随机变量与确定性变量的值，最后根据每个随机变量的值，对每个随机变量对应电力系统中的新能源发电机组进行资源调度，根据每个确定性变量的值，对每个确定性变量对应电力系统中的传统发电机组进行资源调度。
[0112]
本实施例中，通过采用基于蒙特卡洛抽样的场景法获取多个模拟场景；根据多个模拟场景获取场景转移约束；根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。能够提高仿真模拟的速度，从而提高含新能源接入的电力系统资源调度的效率。
[0113]
在一个实施例中，如图3所示，一种基于稀疏网格随机配置点的电力系统随机调度方法，以应用于一种电力系统资源调度终端为例，方法具体包括：
[0114]
步骤302，根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况。具体包括：
[0115]
采用如式(12)所示的抽象方程来表示原始电力系统随机调度模型中的随机问题，即式(3)所描述的功率平衡约束方程。
[0116]
[0117]
式中，为用以表示新能源预测出力偏差的随机变量，则是需要用广义正交多项式展开的随机量，而原方程中无需采用广义正交多项式展开的随机变量在式中忽略不计。
[0118]
步骤304，采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量。具体包括：
[0119]
子步骤3002，在随机参数空间选定合适的积分点其中m表示积分点的个数。积分点由m阶广义正交多项式零点来确定，其选取策略与随机配置点法的计算效率与精度密切相关。可通过改变积分点的选取策略，采用“稀疏网格”技术选定合适的积分点，同时削减“全网格”技术选取策略中权重较低的积分点。
[0120]
子步骤3004，在随机积分点处求解如式(12)所示的一系列确定性问题，如确定性方程(13)所示：
[0121][0122]
式中，原随机问题(12)已在积分点处变成m个确定性问题，因此，可直接使用求解器来计算式(13)中的解以上方法的优势体现在其可与传统确定性问题求解兼容，无需对原确定性模型进行大幅度修改。同时，如式(13)所示，m个确定性方程并不耦合，可大大提高计算效率。
[0123]
子步骤3006，将需要逼近的随机变量用在其参数空间中正交的广义正交多项式基函数来构成级数展开式进行表示，如式(14)所示：
[0124][0125]
式中，n表示随机变量通过广义正交多项式基函数展开的阶数；α
i
为需要求解的逼近系数，可利用步骤二中在随机积分点处的确定性解通过离散的数值积分来逼近求得；表示在随机变量所在随机空间的一组正交多项式基函数。
[0126]
根据正交多项式的正交性，我们可以通过对如式(14)中所示的正交多项式作内积，那么逼近系数α
i
便可利用连续数值积分来表示，如式(15)所示：
[0127][0128]
式(15)的连续积分可通过离散的数值积分来逼近求取，如式(16)所示：
[0129][0130]
其中，数值积分点为步骤一中按一定策略所选取的积分点，的值可通过求解随机积分点处的确定性方程(13)获得；w
k
则表示积分点所对应数值积
分权重，其取值依赖于所选择的数值积分公式，为待求解决项。
[0131]
子步骤3008，首先基于“全网格”技术，假设第k维度上积分精度为i
k
阶一维数值积分公式如式(17)所示：
[0132][0133]
式中，表示积分精度为i
k
阶的积分公式所含积分点的个数，则对应积分点的积分权重。因此，基于“全网格”技术的多维数值积分公式如式(18)所示。
[0134][0135]
如(18)所示，其需要的计算积分点数量可通过式(19)计算得到。
[0136][0137]
若每个独立的随机变量均使用相同的l阶积分精度公式进行计算，基于“全网格”技术的d维数值积分点个数为可通过式(20)求取。
[0138][0139]
对应式(18)的“全网格”多维数值积分，基于“稀疏网格”技术的数值积分如式(21)所示。
[0140][0141]
式中，
[0142]
根据式(21)可得，“稀疏网格”技术可只用“全网络”技术中的一小部分数值积分点来构造是i
d
(f)中的一部分，但其可覆盖面涉及所有维度。与此同时，所有维度的积分精度之和处于l 1和l d之间的约束范围。因此在稀疏网格中，若某一个随机变量所使用的积分公式精度较高，则其它随机变脸需使用积分精度较低的积分公式。通过“稀疏网格”技术削减后的积分点集合如式(22)所示。
[0143][0144]
其中节点集包含精分精度为ie阶的第e个变量的hermite多项式零点，如式(23)所示：
[0145]
[0146]
其中定义为中一维积分点的数量。因此，中的n l d定义如式(24)所示：
[0147][0148]
当d≥1时，稀疏网格对应的积分点数如式(25)所示。
[0149][0150]
将式(23)带入多维数值积分公式(18)，可得到基于稀疏网格的多维数值积分公式如式(26)所示。
[0151][0152]
式中，表示变量为d的数值积分点所对应的积分权重，可通过式(27)计算获得。
[0153][0154]
式中，为数值积分公式关于第k个随机变量所对应的积分点积分权重。
[0155]
子步骤3010，对于式(26)中的gauss
‑
hermite(高斯
‑
埃尔米特)积分，选用点数增长速度最慢的节点积分点序列，如式(28)所示：
[0156][0157]
改进的gauss
‑
hermite数值积分点集与积分点可以精确的多项式空间发生变化。积分点集在积分点集的原有基础上增添了{
±
1.73}，因此，积分点集相比积分点集v
12
能够在更高的多项式空间中精确成立。相应地，积分点集也会产生同样的变化效果。根据改进的gauss
‑
hermite数值积分点确定过程可得，改进的gauss
‑
hermite数值积分点集满足嵌套性，即
[0158]
对嵌套式稀疏网格积分公式类似于式(26)，其使用的数值积分点集如式(29)所示。
[0159][0160]
式中，表示两个相邻节点集和之间的差集，并具有扩展的gauss
‑
hermite正交性，可以表示为因此，可进一步得到：
[0161][0162]
在式(30)中，将定义为节点集中的积分点数，则可获得嵌套式稀疏网格积分点个数，如式(31)所示。
[0163][0164]
根据式(31)，正交度的增加可正交度的增加从l增加到l 1定义如式(28)所示：
[0165][0166]
因此，可进一步推导得式(33)：
[0167][0168]
根据式(33)可得，积分点集满足嵌套性。
[0169]
子步骤3012，根据式(28)中给出的阶数设置单维积分点集计算与扩展的gauss
‑
hermite正交积分点对应的积分权重，根据式(29)
‑
(33)用多维数值积分构造积分点集，并计算积分点集的正交权重然后根据式(27)的积分权重计算式(16)的逼近系数α
i
。逼近系数已知后，根据式(14)利用hermite(埃尔米特)多项式的展开来近似处理随机变量，得到近似处理后的随机变量。
[0170]
步骤306，将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型。
[0171]
步骤308，根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
[0172]
应该理解的是，虽然图1、3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0173]
在一个实施例中，如图4所示，提供了一种基于稀疏网格随机配置点的电力系统随机调度装置400，包括：变量获取模块401、变量转换模块402、模型转换模块403和资源调度模块404，其中：
[0174]
变量获取模块401，用于根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
[0175]
变量转换模块402，用于采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
[0176]
模型转换模块403，用于将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
[0177]
资源调度模块404，用于根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
[0178]
在一个实施例中，装置还包括
[0179]
模型构建模块，用于构建电力系统的直流潮流模型；根据电力系统的发电成本最小的目标设定目标函数；根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；根据直流潮流模型、目标函数和约束条件，构建原始电力系统随机调度模型。
[0180]
在一个实施例中，变量转换模块402还用于采用嵌套式稀疏网格在随机参数空间选定积分点；在积分点处求解抽象方程中的随机变量，得到逼近系数；根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
[0181]
在一个实施例中，变量转换模块402还用于构建一维积分点集；根据一维积分点集，计算一维积分点集对应的积分权重；根据一维积分点集，构建多维积分点集；根据多维积分点集与一维积分点集对应的积分权重，计算并获取多维积分点集对应的积分权重。
[0182]
在一个实施例中，变量转换模块402还用于根据多维积分点集和积分权重，计算得到逼近系数。
[0183]
在一个实施例中，变量转换模块402还用于将随机变量通过嵌套式正交多项式级数展开式表示；利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
[0184]
在一个实施例中，资源调度模块404还用于采用基于蒙特卡洛抽样的场景法获取多个模拟场景；根据多个模拟场景获取场景转移约束；根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。
[0185]
关于基于稀疏网格随机配置点的电力系统随机调度装置的具体限定可以参见上文中对于基于稀疏网格随机配置点的电力系统随机调度方法的限定，在此不再赘述。上述基于稀疏网格随机配置点的电力系统随机调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0186]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存
储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于稀疏网格随机配置点的电力系统随机调度方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0187]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0188]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0189]
根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
[0190]
采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
[0191]
将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
[0192]
根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
[0193]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0194]
构建电力系统的直流潮流模型；
[0195]
根据电力系统的发电成本最小的目标设定目标函数；
[0196]
根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；
[0197]
根据直流潮流模型、目标函数和约束条件，构建原始电力系统随机调度模型。
[0198]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0199]
采用嵌套式稀疏网格在随机参数空间选定积分点；
[0200]
在积分点处求解抽象方程中的随机变量，得到逼近系数；
[0201]
根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
[0202]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0203]
构建一维积分点集；
[0204]
根据一维积分点集，计算一维积分点集对应的积分权重；
[0205]
根据一维积分点集，构建多维积分点集；
[0206]
根据多维积分点集与一维积分点集对应的积分权重，计算并获取多维积分点集对应的积分权重。
[0207]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0208]
根据多维积分点集和积分权重，计算得到逼近系数。
[0209]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0210]
将随机变量通过嵌套式正交多项式级数展开式表示；
[0211]
利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
[0212]
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
[0213]
采用基于蒙特卡洛抽样的场景法获取多个模拟场景；
[0214]
根据多个模拟场景获取场景转移约束；
[0215]
根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；
[0216]
根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。
[0217]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0218]
根据原始电力系统随机调度模型确定随机变量与确定性变量，并构建包含随机变量的抽象方程，其中，原始电力系统随机调度模型是以含新能源接入的电力系统的发电成本最小为目标构建的；随机变量用于表征电力系统中新能源发电机组的出力情况，确定性变量用于表征电力系统中传统发电机组的出力情况；
[0219]
采用嵌套式稀疏网格配置点法对抽象方程中的随机变量进行近似处理，得到近似处理后的随机变量；
[0220]
将近似处理后的随机变量代入原始电力系统随机调度模型，得到代理电力系统随机调度模型；
[0221]
根据代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值，根据随机变量与确定性变量的值对电力系统进行资源调度。
[0222]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0223]
构建电力系统的直流潮流模型；
[0224]
根据电力系统的发电成本最小的目标设定目标函数；
[0225]
根据电力系统的有功功率平衡约束、线路传输功率上下限约束、传统发电机组发电功率上下限约束、传统发电机组爬坡/滑坡约束与新能源发电约束，设定至少一个约束条件；
[0226]
根据直流潮流模型、目标函数和约束条件，构建原始电力系统随机调度模型。
[0227]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0228]
采用嵌套式稀疏网格在随机参数空间选定积分点；
[0229]
在积分点处求解抽象方程中的随机变量，得到逼近系数；
[0230]
根据逼近系数，使用随机参数空间的嵌套式正交多项式对随机变量进行近似处理，得到近似处理后的随机变量。
[0231]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0232]
构建一维积分点集；
[0233]
根据一维积分点集，计算一维积分点集对应的积分权重；
[0234]
根据一维积分点集，构建多维积分点集；
[0235]
根据多维积分点集与一维积分点集对应的积分权重，计算并获取多维积分点集对应的积分权重。
[0236]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0237]
根据多维积分点集和积分权重，计算得到逼近系数。
[0238]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0239]
将随机变量通过嵌套式正交多项式级数展开式表示；
[0240]
利用嵌套式正交多项式的展开近似处理随机变量，得到近似处理后的随机变量。
[0241]
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
[0242]
采用基于蒙特卡洛抽样的场景法获取多个模拟场景；
[0243]
根据多个模拟场景获取场景转移约束；
[0244]
根据多个模拟场景和场景转移约束对代理电力系统随机调度模型进行仿真计算，获取电力系统的发电成本最小时随机变量与确定性变量的值；
[0245]
根据随机变量与确定性变量的值对电力系统中的发电机组进行资源调度，发电机组包括新能源发电机组和传统发电机组。
[0246]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0247]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0248]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。